相关分析和回归分析的异同.docVIP

问：请详细说明相关分析与回归分析的相同与不同之处 相关分析与回归分析都是研究变量相互关系的分析方法，相关分析是回归分析的基础，而回归分析则是认识变量之间相关程度的具体形式。 下面分为三个部分详细描述两种分析方法的异同： 第一部分：相关分析 一、相关的含义与种类 （一）相关的含义 相关是指自然与社会现象等客观现象数量关系的一种表现。 相关关系是指现象之间确实存在的一定的联系，但数量关系表现为不严格相互依存关系。即对一个变量或几个变量定一定值时，另一变量值表现为在一定范围内随机波动，具有非确定性。如：产品销售收入与广告费用之间的关系。 （二）相关的种类 1. 根据自变量的多少划分，可分为单相关和复相关 2. 根据相关关系的方向划分，可分为正相关和负相关 3. 根据变量间相互关系的表现形式划分，线性相关和非线性相关 4.根据相关关系的程度划分，可分为不相关、完全相关和不完全相关 二、相关分析的意义与内容 (一)相关分析的意义 相关分析是研究变量之间关系的紧密程度，并用相关系数或指数来表示。其目的是揭示现象之间是否存在相关关系，确定相关关系的表现形式以及确定现象变量间相关关系的密切程度和方向。 (二)相关分析的内容 1. 明确客观事物之间是否存在相关关系 2. 确定相关关系的性质、方向与密切程度 三、直线相关的测定 （一）相关表与相关图 1. 相关表 在定性判断的基础上，把具有相关关系的两个量的具体数值按照一定顺序平行排列在一张表上，以观察它们之间的相互关系，这种表就称为相关表。 2. 相关图 把相关表上一一对应的具体数值在直角坐标系中用点标出来而形成的散点图则称为相关图。利用相关图和相关表，可以更直观、更形象地表现变量之间的相互关系。 （二）相关系数 1. 相关系数的含义与计算 相关系数是直线相关条件下说明两个变量之间相关关系密切程度的统计分析指标。相关系数的理论公式为： （1） 协方差 x的标准差 y的标准差 （2） 协方差对相关系数的影响，决定： 简化式 变形：分子分母同时除以得 = == == = 2. 相关系数的性质 （1）取值范围：1 -11 （2）=1 =1 表明x与y之间存在着确定的函数关系。 （3）0 表明两变量成正相关。 0 成负相关 =0 不相关 （4）1 存在着一定的线性相关；绝对值越大，相关程度越高。 0.3 微弱相关， 0.30.5 低度相关， 0.50.8 显著相关， 0.81 高度相关。 3. 相关系数运用的几点说明 （1）计算相关系数时，两个变量哪个作为自变量，哪个作为因变量，对于相关系数的值大小没有影响。 （2）相关系数指标只能用于直线相关程度的判断，当其数值很小甚至为0时只能说明变量之间直线相关程度很弱或者不存在直线相关关系，但不能就此判断变量之间不存在相关关系。 （3）对于相关系数的绝对值大与0.8时，变量之间存在高度线性相关关系，通常还需要进行相关系数的显著检验。 第二部分：回归分析 一、回归分析的意义 （一）回归分析的含义 对具有相关关系的两个或两个以上变量之间的数量变化的一般关系进行测定，确立一个相应的数学方程式，描述变量变动的相互关系，以便从一个已知量来推测另一个未知量，为估计预测值提供一个重要的方法。根据回归分析建立的数学方程称为回归方程（一元，多元，……） （二）回归分析的种类 1. 按照自变量的个数：一元回归与多元回归 2. 按照回归的表现形式：线性回归与非线性回归 研究一个因变量与一个自变量之间的线性关系，称为一元线性回归或简单线性回归；研究一个因变量与多个自变量之间的线性关系，称为多元线性回归。 （三）一元线性回归的特点 1. 回归分析是研究两变量之间的因果关系，所以必须通过定性分析来确定哪个是自变量，哪个是因变量；相关分析则是两变量之间的关系，没有自变量和因变量之分。 2. 回归方程在进行预测估计时，只能给出自变量的数值求因变量的可能值。即只能由x推出y的估计值，而不能据逆推x。 3. 线性回归方程中自变量的系数称为回归系数，回归系数为正，说明变量正相关，为负说明负相关 4. 回归分析对于因果关系不甚明确，或可以互为自变量的两个变量，可以求出y依据的回归方程，还可求出依据y的回归方程；而相关分析中两个变量的相关程度指标，相关系数是唯一的。 二、一元线性回归方程 （一）回归方程 一元线性回归方程是用来近似描述两个具有密切相关关系的变量之间变动关系的数学方程式。该方程在平面坐标系中表现为一条直线，回归分析中称为回归直线，即； 表